-
公开(公告)号：CN116524537A
公开(公告)日：2023-08-01
申请号：CN202310465077.5
申请日：2023-04-26
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: G06V40/10 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于CNN和LSTM联合的人体姿态识别方法，首先，采集训练与测试所需的中频信号样本数据；其次，对中频信号数据进行距离维傅立叶变换得到时间‑距离图像，沿距离维对目标所在距离单元数据求和得到一维距离谱峰，经过短时傅里叶变换得到时间‑频率图像，并对每张图像标注不同类别的标签；建立三通道的深度学习神经网络模型，在每个通道中结合CNN和LSTM网络，通道一与通道二将时间‑频率图像作为输入，在卷积层采用有大小差异的卷积核提取特征，通道三将时间‑距离图像作为输入。输入数据到模型中进行训练。该方法将毫米波雷达与CNN和LSTM网络结合，并采用多类特征图像进行融合，充分利用时序的特征信息，提高了对人体姿态进行识别的准确率。
-
公开(公告)号：CN112034445B
公开(公告)日：2022-04-12
申请号：CN202010824302.6
申请日：2020-08-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于毫米波雷达的车辆运动轨迹跟踪方法和系统，毫米波雷达实时获取车辆与雷达的距离、车辆相对于雷达的方位角和径向速度，其中跟踪方法包括：1、建立车辆状态转移方程和状态观测方程；2、获取车辆初始状态；设置粒子群并初始化每个粒子的状态；3、根据当前时刻毫米波雷达获取到的车辆观测量对粒子群进行第一次更新；4、对粒子群进行重新采样做第二次更新；5、根据第二次更新后的粒子权重和状态，计算当前时刻k车辆的状态估计，得到当前时刻车辆的位置和速度；6、跳转至步骤3进行下一时刻的车辆跟踪。该方法可以显著降低车辆观测数据中具有随机性和间歇性野值对车辆状态估计的影响，具有较强的抗奇异值能力。
-
公开(公告)号：CN110443138B
公开(公告)日：2021-10-19
申请号：CN201910601880.0
申请日：2019-07-05
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于车载毫米波雷达联合SVM和CNN多目标分类方法，首先对雷达获取到的不同目标的IF信号进行采样，转换为帧信号，对帧信号进行二维傅里叶变换，归一化后得到距离‑多普勒图，提取距离‑多普勒图中的特征向量，构建样本集；其次构建并训练SVM分类器，得到能够进行初步分类的SVM分类器；最后构建并训练卷积神经网络分类器，对SVM分类器无法分类的样本进行进一步分类，得到待测目标的分类结果。该方法联合SVM分类器和CNN分类器，弥补了CNN分类器对位置信息的不敏感，充分利用了样本的有效信息，提高了目标分类准确率。
-
公开(公告)号：CN113111313A
公开(公告)日：2021-07-13
申请号：CN202110407828.9
申请日：2021-04-15
Applicant: 东南大学
Abstract: 本发明公开了一种基于期望传播的多任务稀疏重构和聚类方法，1)通过引入“spikeand slab”和“Dirichlet Process”先验概率分布，构造一种具有多任务稀疏结构聚类的贝叶斯生成模型；(2)使用期望传播技术，将上述模型参数后验分布求解问题转换所选指数类分布的参数优化问题；(3)初始模型近似概率分布，(4)对每个q1j、q2j、q3j，分别计算其cavity分布，以更新对应参数，模型参数收敛至最优值时停止，本发明可以显著降低信号重构误差，具有更强的抗噪声能力，并能基于信号的稀疏结构特性对任务进行自主聚类，且无需事先设置类别数。
-
公开(公告)号：CN110378191A
公开(公告)日：2019-10-25
申请号：CN201910336968.4
申请日：2019-04-25
Applicant: 东南大学
Abstract: 本发明公开了一种基于毫米波传感器的行人和车辆分类方法，包括：根据行人的步态分析和车辆的运动分析获取行人和车辆目标的时域回波信号；目标时域回波信号处理，获得距离-多普勒图；并构建距离-多普勒图样本集；将样本集分成训练样本集和测试样本集，对训练样本集中的数据进行预处理；构建级联神经网络分类器，并将距离-多普勒图作为训练数据输入到级联神经网络分类器中，进行有监督的学习，训练和学习出各级分类器的网络参数；基于训练的各级网络参数，获得具有行人和车辆分类功能的级联神经网络分类器。本发明通过构建级联神经网络分类器，有效降低了实际应用中行人和车辆样本不平衡对目标分类的影响，提高目标分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN108919240A
公开(公告)日：2018-11-30
申请号：CN201810364540.6
申请日：2018-04-23
Applicant: 东南大学
IPC: G01S7/539
Abstract: 本发明公开了一种基于组稀疏结构的水声目标辐射噪声调制谱重构方法，包括如下步骤：1、模拟水声目标辐射噪声的连续谱分量Rc(t)和线谱分量Rl(t)，构成水声目标辐射噪声R(t)；2、对R(t)进行幅度调制，得到调制信号x(t)；3、对x(t)归一化，利用带通滤波器获取L个频带的噪声调制信号yl(t)；4、估计各子带上yl(t)的幅度调制数据 5、对 进行离散采样并用稀疏的频率系数 表示；通过设计 的先验分布，构建基于组稀疏结构的高分辨调制谱生成模型；6、基于期望最大化方法推导 的后验分布；7、利用参数估计公式迭代求解 估计出高分辨稀疏调制谱。该方法充分利用了水声目标辐射噪声子带间调制谱位置的关联性，实现了水声目标辐射噪声调制谱的高分辨率重构。
-
公开(公告)号：CN115607119B
公开(公告)日：2025-01-07
申请号：CN202211097296.4
申请日：2022-09-08
Applicant: 东南大学
IPC: A61B5/0205 , A61B5/113 , A61B5/00
Abstract: 本发明公开了一种基于二阶瞬时矩的多普勒雷达生命体征特征提取方法，包括：1、获取多普勒雷达接收的正交采样的基带信号，基带信号为目标对雷达发射信号的回波和发射信号混频后得到的信号；2、对基带信号进行均值滤波，得到去除直流分量的基带信号；3、以均值滤波后的复数据为观测量，采用二阶瞬时矩方法得到解调的生命体征信号波形；4、将解调后的生命体征信号波形分别通过[0.1,0.6]以及[0.8,2.5]Hz的带通滤波器，获得呼吸和心跳时域信号；5、对提取的呼吸和心跳的时域波形进行傅里叶变换处理，分别得到呼吸波形和心跳波形的频谱，基于门限检测技术估计呼吸和心跳频率参数。本发明提高了呼吸率、心率参数估计精度。
-
公开(公告)号：CN113111313B
公开(公告)日：2024-03-12
申请号：CN202110407828.9
申请日：2021-04-15
Applicant: 东南大学
IPC: G06F17/18 , G06F18/2321 , G06F18/2415
Abstract: 本发明公开了一种基于期望传播的多任务稀疏重构和聚类方法，1)通过引入“spikeand slab”和“Dirichlet Process”先验概率分布，构造一种具有多任务稀疏结构聚类的贝叶斯生成模型；(2)使用期望传播技术，将上述模型参数后验分布求解问题转换所选指数类分布的参数优化问题；(3)初始模型近似概率分布，(4)对每个q1j、q2j、q3j，分别计算其cavity分布，以更新对应参数，模型参数收敛至最优值时停止，本发明可以显著降低信号重构误差，具有更强的抗噪声能力，并能基于信号的稀疏结构特性对任务进行自主聚类，且无需事先设置类别数。
-
-
公开(公告)号：CN117370739A
公开(公告)日：2024-01-09
申请号：CN202311223819.X
申请日：2023-09-21
Applicant: 东南大学
IPC: G06F18/15 , G06F18/213 , G06F18/2415 , G06F123/02
Abstract: 本发明提供一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，该方法首先对脉冲信号各感知参数进行初始化，在此基础上提取待处理脉冲信号采样数据序列的短时功率谱，然后计算脉冲信号的时域能量起伏特征参量，并提取脉冲信号的频域局部信噪比，接着对脉冲信号的时频域存在概率进行感知，最后，利用脉冲信号的时频域存在概率联合感知结果实现噪声频谱跟踪。该方法充分利用了脉冲信号的时域能量起伏特性和频域短时窄带特性，以较小的运算量实现了含噪脉冲信号噪声频谱的准确估计，且各频点可以独立并行处理，适用于实时的工程应用场合。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.021 seconds)
